一种基于深度学习的数字孪生方法、系统、存储介质及终端

本发明公开了一种基于深度学习的数字孪生方法、系统、存储介质及终端，属于数字孪生技术领域，所述方法包括以下步骤：S1、对采集的传感器数据进行异常值预测；S2、将异常值预测后的传感器数据进行自适应加权融合；S3、采用扩散模型对融合后的传感器数据进行数据扩充；S4、利用扩充后的数据进行神经网络模型的训练。本发明通过异常值检测和自适应加权融合，解决现有数字孪生系统中面临的传感器采集数据不准确问题；通过数据扩充的方式解决了训练数据不足的问题；同时利用改进的神经网络模型进行训练，使数字孪生系统更加准确、高效，这对数字孪生技术的发展具有重要意义。